2021全国电设（F题）openmv的图像识别之数字识别_openmv数字识别

基于openmv的图像识别

通过参加全国电子设计大赛F题总结出openmv4的数字识别（其它版本暂时没试过，欢迎交流！）

openmv简介

  OpenMV是一个开源，低成本，功能强大的机器视觉模块，以STM32F427CPU为核心，集成了OV7725摄像头芯片，在小巧的硬件模块上，用C语言高效地实现了核心机器视觉算法，提供Python编程接口 。同时 OpenMV也是一个可编程的摄像头，通过Python语言可实现你想要的逻辑。而且摄像头本身也内置了一些图像处理的算法，使用起来也更加的方便，仅需要写一些简单的Python代码，即可轻松的完成各种机器视觉相关的任务。

  openmv4运行内存只有1MB，而openmv4plus运行内存有32MB。

一、打开OpenMV IDE软件

 选择Cancel（不升级即可）！

二、openmv4的数字识别

openmv4的数字识别的基础是需要配置使用NCC模板匹配。通过NCC模板的匹配可把

需要识别的数字模板图片保存到SD卡中，然后可进行下一步的识别。

1、我们通过打开模板匹配的历程来直接打开代码使用

点击文件——示例——openmv——feature detection——template_matching.py

下面就是例程。

2、如果运行出现这个窗口那就说明你没有保存模板图片。

 这时我们就需要创建一个模板图片。

3、首先要打开一个helloworld历程文件

点击file——examples——01-basics——helloworld.py

下面就是helloworld的例程。

 

4、在helloworld历程文件中进行匹配0~9这样的数字

  对这些数字进行一一截取（打开摄像头，图像中出现数字之和关闭摄像头，在图像中截取数字，右键选择将图像选择保存到PC），用它们来作为我们的模板图片（此时图片格式后缀为bmp格式）。

在右边的Frame Buffer框中进行截取，注意：不要点Zoom，因为Zoom展示的是放大后的效果，在识别时可能会导致失帧。

 例如：本人截取的一张图片（目前后缀还是bmp）

注意：模板图片的格式一定要是pgm的格式！！！

BMP轉PGM轉換器。在线自由 — Convertio这个网站可以直接进行图片格式转换。

点击选择文件（刚刚截图的模板图片）

 打开所选的图片，点击转换（注意是不是转换到PGM格式，如果不是请换到PGm格式）

 转换完成之后点击下载即可，此时图片后缀为PGM格式。

5、将转换的数字图片（PGM）进行保存，一定要保存到OpenMV4的SD卡中，名称自定义

 

 6、把template.pgm改为你命名的模板图片（PGM）的名称

 例如：我命名的为11

7、改完即可运行 

官方数字识别源代码，此代码为源代码，可在此基础上进行改动。

# Template Matching Example - Normalized Cross Correlation (NCC)
#
# This example shows off how to use the NCC feature of your OpenMV Cam to match
# image patches to parts of an image... expect for extremely controlled enviorments
# NCC is not all to useful.
#
# WARNING: NCC supports needs to be reworked! As of right now this feature needs
# a lot of work to be made into somethin useful. This script will reamin to show
# that the functionality exists, but, in its current state is inadequate.
 
import time, sensor, image
from image import SEARCH_EX, SEARCH_DS
 
# Reset sensor
sensor.reset()
 
# Set sensor settings
sensor.set_contrast(1)
sensor.set_gainceiling(16)
# Max resolution for template matching with SEARCH_EX is QQVGA
sensor.set_framesize(sensor.QQVGA)
# You can set windowing to reduce the search image.
#sensor.set_windowing(((640-80)//2, (480-60)//2, 80, 60))
sensor.set_pixformat(sensor.GRAYSCALE)
 
# Load template.
# Template should be a small (eg. 32x32 pixels) grayscale image.
template = image.Image("/11.pgm")
 
clock = time.clock()
 
# Run template matching
while (True):
    clock.tick()
    img = sensor.snapshot()
 
    # find_template(template, threshold, [roi, step, search])
    # ROI: The region of interest tuple (x, y, w, h).
    # Step: The loop step used (y+=step, x+=step) use a bigger step to make it faster.
    # Search is either image.SEARCH_EX for exhaustive search or image.SEARCH_DS for diamond search
    #
    # Note1: ROI has to be smaller than the image and bigger than the template.
    # Note2: In diamond search, step and ROI are both ignored.
    r = img.find_template(template, 0.70, step=4, search=SEARCH_EX) #, roi=(10, 0, 60, 60))
    if r:
        img.draw_rectangle(r)
 
    print(clock.fps())

如需数字1——9的代码请联系我！（本文如有错误请指出，欢迎交流！）